| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-15页 |
| 1.2.1 国内外研究现状 | 第10-13页 |
| 1.2.2 发展趋势 | 第13-15页 |
| 1.3 本文主要研究内容及结构安排 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15页 |
| 1.3.2 全文结构安排 | 第15-17页 |
| 第二章 贝叶斯核近邻法(BKNN)基本原理 | 第17-23页 |
| 2.1 模式分类问题及近邻法原理简述 | 第17-18页 |
| 2.2 核近邻法(NN)原理简述 | 第18-19页 |
| 2.3 贝叶斯核近邻法(BKNN)原理简述 | 第19-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 剪辑贝叶斯核近邻分类(E-BKNN)方法研究 | 第23-35页 |
| 3.1 E-BKNN研究意义 | 第23页 |
| 3.2 E-BKNN方法原理 | 第23-28页 |
| 3.2.1 E-BKNN方法简述及分析 | 第23-27页 |
| 3.2.2 E-BKNN方法流程 | 第27-28页 |
| 3.3 实验结果分析 | 第28-33页 |
| 3.3.1 E-BKNN分类效果 | 第29-30页 |
| 3.3.2 E-BKNN与BKNN分类性能比较 | 第30-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 基于最优核距离的贝叶斯核近邻分类(Opt-BKNN)方法研究 | 第35-51页 |
| 4.1 Opt-BKNN研究意义 | 第35页 |
| 4.2 Opt-BKNN原理 | 第35-42页 |
| 4.2.1 short最优距离简述 | 第35-38页 |
| 4.2.2 Opt-BKNN方法原理 | 第38-41页 |
| 4.2.3 opt-BKNN方法流程及分析 | 第41-42页 |
| 4.3 实验结果分析 | 第42-50页 |
| 4.3.1 两类数据集分类结果分析与对比 | 第42-45页 |
| 4.3.2 分类过程对比与分析 | 第45-47页 |
| 4.3.3 E-BKNN与BKNN分类性能比较 | 第47-49页 |
| 4.3.4 opt-BKNN方法中m值的选择 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 结论 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读学位期间所取得的相关科研成果 | 第59-61页 |
| 致谢 | 第61页 |